“50人の壁”から“大企業病”まで。企業が直面する組織課題を「5段階」に分けて徹底考察する｜ミナべトモミ｜MIMIGURI
30人の壁、50人の壁、100人の壁、そして「大企業病」……企業成長に伴い、組織課題は次から次へと現れます。 こうした組織フェーズごとに生じる課題には、ある程度の法則性もあります。 その法則性を解き明かしたのが、ラリー・E・グレイナーが1979年に提唱した、企業の発展段階を示す「5段階企業成長モデル」です。やや古い理論ではありますが、現在でもその有効性は失われておらず、組織デザインの基礎をなす理論の一つとされています。 先日出した記事で、現代企業が直面する厄介な難題、「事業多角化」と「人材多様性」について詳述しました。 本記事では、そうした難題が企業規模によっていかにして移ろっていくのか、5段階企業成長モデルに則って解説します。ご自身の会社がいまどの段階で、どんな課題に直面しているのかを捉える参考にしていただけると嬉しいです。 ■第1段階（〜50名）：創業者頼みのマネジメントと、その危機第
データ基盤へのdbtとCI/CDの導入を内定者がやってみた！ | | AI tech studio
AI事業本部 アプリ運用センターでデータサイエンティストをしている河中と申します。 今回は内定者としてアルバイトに参加している23卒内定者の稲葉さんに、信頼性が高く分析しやすいデータ基盤を構築するためにdbtというツールを導入するタスクに取り組んでもらいました。その中での技術的な話や内定者バイトを通して学んだことをブログにまとめてくれました。 ぜひ一読ください！ 23卒エンジニア職内定者の稲葉です。2022年10月から3ヶ月間、AI事業本部小売DXディビジョンのアプリ運用センターでアルバイトをさせていただきました。私は、今までデータサイエンティストやバックエンドエンジニアなど幅広く技術に関わってきましたが、今回はアナリティクスエンジニアとしてデータ基盤の改修を行いました。 本稿では、Snowflake上で構築されているデータ分析基盤を dbtやgithub actionsのCI/CDを用い
やはり予想を超えてこなかったGPT-4と、GPUの未来、ホビイストへの手紙
やはり予想を超えてこなかったGPT-4と、GPUの未来、ホビイストへの手紙 2023.03.16 Updated by Ryo Shimizu on March 16, 2023, 08:00 am JST 3月14日の早朝、GPT-4が公開され、筆者は早速試した。 その後、開けて3月15日の早朝、APIも部分的に解放され、筆者はそれも試した。 その上で、先週書いた記事の内容についての確信が深まった。 やはり、GPT-4は期待を超えてはこなかった。 GPT-4は、ChatGPT Plusに入会すると誰でもすぐに使うことができる。APIだけは招待制だが、それも筆者と同じくらいのタイミングでアンロックされた方も少なくないのではないか。 100倍規模のパラメータがあっても、アプローチには限界があるのである。 また、ChatGPTが注目を集めたことで、これまで下火になっていた他の大規模言語モデル(
GitHub - tloen/alpaca-lora: Instruct-tune LLaMA on consumer hardware
🤗 Try the pretrained model out here, courtesy of a GPU grant from Huggingface! Users have created a Discord server for discussion and support here 4/14: Chansung Park's GPT4-Alpaca adapters: #340 This repository contains code for reproducing the Stanford Alpaca results using low-rank adaptation (LoRA). We provide an Instruct model of similar quality to text-davinci-003 that can run on a Raspberry
ヴォメロ （Vomero） - 東銀座/イタリアン [食べログ]
リクエスト予約希望条件をお店に申し込み、お店からの確定の連絡をもって、予約が成立します。 1 予約の申し込み ご希望の条件を当サイトよりご入力ください。 2 お店からのメール ご予約が承れるか、お店からの返信メールが届きます。 3 お店へ来店 予約が確定した場合、そのままお店へお越しください。
![ヴォメロ （Vomero） - 東銀座/イタリアン [食べログ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/460974e76e7f079e6632f5201b4940d55fa584ce/height=288;version=1;width=512/https%3A%2F%2Ftblg.k-img.com%2Fresize%2F640x640c%2Frestaurant%2Fimages%2FRvw%2F58596%2F58596429.jpg%3Ftoken%3D92b226a%26api%3Dv2)
実践！大規模言語モデル / 1000億パラメータ越えモデルを動かすには？
こんにちは。Turing株式会社の機械学習チームでインターンをしている九州大学修士1年の岩政(@colum2131)です。 Turingは完全自動運転EVの開発をするスタートアップです。 自動運転技術において、カメラやセンサ情報は正確な制御をする上で不可欠な要素である一方、自然言語やマルチモーダルな処理が必要となる状況もしばしば存在します。特に完全自動運転車においては、音声認識によってドライバーの音声命令を認識し、リアルタイムで適切な制御を行うことや、複雑な交通状況の背景にあるコンテクストを理解させるといった要求が出てきます。そのために、「基盤モデル」と呼ばれるような、自然言語処理を含む大規模モデルの学習が必要になってくると、私たちは考えています。 そこで本記事では、言語モデルの発展の流れとTuringが目指す基盤モデルの開発について紹介します！ 1. 言語モデルとは？ 近年の言語処理モデ
GitHub - tatsu-lab/stanford_alpaca: Code and documentation to train Stanford's Alpaca models, and generate the data.
The current Alpaca model is fine-tuned from a 7B LLaMA model [1] on 52K instruction-following data generated by the techniques in the Self-Instruct [2] paper, with some modifications that we discuss in the next section. In a preliminary human evaluation, we found that the Alpaca 7B model behaves similarly to the text-davinci-003 model on the Self-Instruct instruction-following evaluation suite [2]
GPT-4 Technical Report
We report the development of GPT-4, a large-scale, multimodal model which can accept image and text inputs and produce text outputs. While less capable than humans in many real-world scenarios, GPT-4 exhibits human-level performance on various professional and academic benchmarks, including passing a simulated bar exam with a score around the top 10% of test takers. GPT-4 is a Transformer-based mo
個性派“ワイン酒場”東京6選 パン飲み・立ち飲み・ゆる飲みを楽しむ - おとなの週末公式｜おいしくて、ためになる食のニュースサイト
【画像ギャラリー】個性派“ワイン酒場”東京6選 パン飲み・立ち飲み・ゆる飲みを楽しむ の画像をチェック! （全36枚） 肩肘張らず気軽に、「今日の気分なら〜」って感覚でワインを飲めたら最高に楽しい。そんな“気分”満載のいまイチオシな「パン」「立ち」「ゆる」な酒場、揃えました。 【パン飲み】 『たむらパン』 ＠門前仲町 昼飲みも夜飲みも お気に召すまま自由気ままなベーカリー 知らない店を訪ねるのは冒険に似ている。住宅街の奥に潜むこの店も、探し当てるまでの道のりがワクワクさせてくれる。朝はパン、15時からはパン飲みという二毛作で、人気ブーランジェリー出身の裕二さんがパン担当、真紀子さんが飲み担当。ふたりとも卯年なので店名はフランス語でうさぎのラパンに掛けている。 パン飲みセット 500円～、グラスワイン 800円～
[シリーズ]A/Bテスト改善 -SRMの確認と原因究明の優先順位づけ-｜Mercari Analytics Blog
こんにちは。メルカリAnalyticsチームの@nakanipiです。私はメルカリでホーム画面周りやメタデータ機能の分析・改善、またA/Bテストの改善を担当しています。 今回は「メルカリにおけるA/Bテスト改善」シリーズの第二弾をお届けしたいと思います。第一弾ではメルカリにおけるA/Bテストの現存課題をお届けしました。打ち手である「テスト設計・分析方法の確立と普及」のテーマに対し、この記事ではSRM (Sample Ratio Mismatch : ユーザー数の群間の偏り) について紹介します。 第一弾でも少し触れたように、メルカリ社内では SRMを確認せずに結論付けているA/Bテストが存在する SRMが起こった時の対処方法がまとまっておらず周知されていない といった問題があり、SRMについてのドキュメントを作成し、方法論やSRM発生時の対処法をまとめ、周知を行っております。 今回のブログ
![[シリーズ]A/Bテスト改善 -SRMの確認と原因究明の優先順位づけ-｜Mercari Analytics Blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/321d47fbbd375ecb4ad852d8cd719d47a31d92f6/height=288;version=1;width=512/https%3A%2F%2Fassets.st-note.com%2Fproduction%2Fuploads%2Fimages%2F100314400%2Frectangle_large_type_2_3e15926d78a6df991924251520f5d6f8.png%3Ffit%3Dbounds%26quality%3D85%26width%3D1280)
10Xのテストコード規約 - 10X Product Blog
はじめに こんにちは！モジュール開発部のyamakazu (@yamarkz) です。 10Xではテストコードの標準化を目指して、テストコード規約 (Test Coding Standards) を整備してきました。この記事では数ある規約の中でも、実際に活用して効果が大きかったものをいくつか取り上げて紹介します。 テストコードの品質に課題を持っている方や、コーディング規約の整備に関心を寄せる方の参考になれれば幸いです。 ChatGPT 要約 ChatGPTに内容の要約をお願いしました。この記事で述べられている内容は以下の通りです。 テストコードに規約を設ける目的は、「テストの資産性を高めることで、プロダクトの発展性と事業の継続可能性を守るため」である。テストコード規約は、ボトムアップで開発組織全体が守る基準を明確にし、良質なテストを書くために設ける。この規約ではGroup, Arrange
LLMがなぜ完全自動運転に必要なのか｜山本一成🚗TURING
生成AIとLLMは世界を理解する能力を持っています。Turingの自動運転アプローチはカメラ方式で、運転の判断機構を重視しています。人間の運転学習と同様のアプローチでAIを開発することが完全自動運転の実現に繋がります。大規模基盤モデルが現実世界を理解し、制御できるようになることで、レベル5の自動運転が実現するでしょう。 ChatGPT4によるこの文章の要約生成AIやLLMの本質は世界を理解していること生成AIやChat GPTに代表されるLLM(Large Language Model, 大規模言語モデル)は表面的にはお絵描きやチャットボットという印象を持つかもしれません。しかしこれらのAIの本質は世界を認知・理解している点です。だからこそ、これらのAIは素晴らしいアウトプットを出せるのです。Chat GPTとの対話は時に大きな示唆を提供してくれます。また、画像生成AI「Stable Di
GPT時代のサバイバル戦略 - SaaSはなにを考えるべきか？｜MNTSQ, Ltd.（モンテスキュー）
こんにちは。LLMであらゆる業務をアップデートしたい板谷です。 chatGPTによる新たな体験は目を見張るばかりで、あらゆるSaaSが不可避的にアップデートを迫られています。ワクワクするような面白い挑戦が、そこかしこに転がっています。 私はもともとNLPを強みとするLegalTech企業のCEOをしていますが、最近は1日4時間はLLMのことを考えています。プロトタイプのディスカッションは毎回白熱し、これまでの数倍の価値のSaaSを作れるはずだという手ごたえを感じます。 しかし、ここではあえて「つまらない話」にフォーカスします。なぜなら、3年後の未来を想像すると、むしろ「これまでも当たり前だった話」で業務SaaSの勝負が決まっていると私は感じているためです。 AIの民主化と「つまらない話」「これまでも当たり前だった話」がより重要になる理由は、「汎用化されたLLMの登場により、アルゴリズムによ
ChatGPTの精度を上げる、あらゆる質問の最後に置く「命令」 優秀な壁打ち相手を作る、「チャットAI力」の高め方
クリエイターに出会ったり、もっとファンになったり、noteで創作をつづけたくなるようなイベントを開催する「noteイベント」。今回は「チャットAI使いこなし最前線」をテーマに、黎明期からチャットAIを活用しているnote CXOの深津貴之氏が登壇しました。こちらの記事では、ChatGPTユーザーの悩みを解決するプロンプトなどが語られました。 ChatGPTユーザーの悩みを解決するプロンプト 徳力基彦氏（以下、徳力）：まず今日はChatGPTの使い方をしっかり覚えていただきたいと思います。ここで「深津式汎用プロンプト」。 深津貴之氏（以下、深津）：僕は1個1個、個別の例を出すのはあんまり好きではないです。さっき言ったように原理原則を1個理解すれば、全部その原理原則から引っ張れる方向が好きですね。 なので今日も、細かいプロンプトを出すよりは、だいたいあなたの悩みのすべてを解決するプロンプトを1
Who Owns the Generative AI Platform? | Andreessen Horowitz
We’re starting to see the very early stages of a tech stack emerge in generative artificial intelligence (AI). Hundreds of new startups are rushing into the market to develop foundation models, build AI-native apps, and stand up infrastructure/tooling. Many hot technology trends get over-hyped far before the market catches up. But the generative AI boom has been accompanied by real gains in real m
Generative AI: A Creative New World
A powerful new class of large language models is making it possible for machines to write, code, draw and create with credible and sometimes superhuman results. Humans are good at analyzing things. Machines are even better. Machines can analyze a set of data and find patterns in it for a multitude of use cases, whether it’s fraud or spam detection, forecasting the ETA of your delivery or predictin
使いやすいコンポーネント作りのチェックポイント｜teitei
こんにちは。ていてい（@dbko1991）です。 普段はプロダクトデザインとデザインシステムの推進をしています。 デザイナーのみなさん、このような困りごとはありませんか？ Figmaで作ったコンポーネントを画面のデザインに利用すると 💭 サイズを変えるとレイアウトが崩れてしまう 💭 Componentを切り替えると、テキストなどのOverridesが上書きされてしまう・・・ このようなことを避けるために、普段Figmaでデザインシステムのコンポーネントをつくる際には、上記のような困りごとに悩まされない、使いやすいコンポーネントを作るように心掛けています。 今回は私が思う使いやすいコンポーネントの考え方と、作る時のチェック方法を紹介したいと思います。 皆さんに少しお役に立てたら嬉しいです！ 1. 使いやすいコンポーネントの考え方私は利用シーンに合わせて柔軟に変化ができるコンポーネントは使
戦略と実行をつなぐデータ
Introduction of Mercari BI team and Case Studies of Analytics for Service in US
ChatGPTのPromptDesign AIを使いこなす技術。初級編｜だいち
プロンプトデザインとは?プロンプトデザインとは、AIに伝える命令を作る自然言語プログラミングのことです！ プロンプトというのは、汎用的な命令文を作成することを指します。 例えば、「あなたについて教えてください」という命令文を作成しておけば、様々なテーマに対して回答を得ることができます。 プログラミング的な 概念をなくできるのが多分いいところでは あると思う。 しかし、狙った文章を 書かせたいとなるとちょっと戦略を持って 命令を出さないとちょっと難しいですよね。 なので、今日は、その方法であるプロンプトデザインを紹介します。 プロンプトデザインのポイントプロンプトデザインを行う際には、以下のようなポイントに注意する必要があります。 プロンプトデザインの基本の型は、宣言分、変数、コマンドの順で組み合わせること。 宣言分とは、ゴールとなるところをGPTに教えてあげます。 変数とは、理想のゴールを
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
The What, Why, and How of Data Contracts
Data Quality in Python Pipelines!
GitHub - sodadata/soda-core: :zap: Data quality testing for the modern data stack (SQL, Spark, and Pandas) https://www.soda.io
B11-2 文化財報告書データベースにおけるテキスト可視化と地理情報 - yuiseki
場所参照表現と位置情報を紐付けるジオコーディングの概観と発展に向けての考察
PaLM-E: An embodied multimodal language model
DDD Demystified ~結局DDDとは何なのか？何でないのか？~ #phperkaigi_reject
Are Design Patterns Dead?
GitHub - replicate/keepsake: Version control for machine learning
Cookup.AI
PromptBase | Prompt Marketplace: Midjourney, ChatGPT, DALL·E, Stable Diffusion & more.
Mathematical Capabilities of ChatGPT
最近話題になった大規模言語モデルまとめ｜npaka
GitHub - hohonu-vicml/DirectedDiffusion: Directed Diffusion: Direct Control of Object Placement through Attention Guidance (AAAI2024)
GitHub - Noeda/rllama: Rust+OpenCL+AVX2 implementation of LLaMA inference code